автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Моделирование неголономных, существенно нелинейных динамических систем с использованием методов мягких вычислений с приложениями

Введение

Глава 1. Математическая модель одноколесного роботавелосипеда

1.1. Сравнительный анализ существующих моделей одноколесного робота-велосипеда

1.1.1. Инженерная конструкция и дизайн одноколесного робота-велосипеда

1.1.2. Базовые параметры одноколесного робота-велосипеда

1.2. Описание математической модели движения одноколесного вело

• V V-.* . * * ч * • л *к > - V сипеда ' Щ*}/' : :

X .»'-'Л,4 - . •

1.2.1. Преобразование координат одноколесного робота-велосипеда

1.2.2. Уравнения неголономных ограничений на связи

1.2.3. Анализ трехзвенной замкнутой системы и уравнения голо-номных ограничений на связи

1.3. Обобщенное представление нелинейного неголономного уравнения движения одноколесного робота-велосипеда

1.4. Оценка устойчивости динамической системы одноколесного робота-велосипеда

Выводы

Глава 2. Моделирование процесса управления

2.1. Модель и система интеллектуального управления

2.2. Принципы робастного управления

2.3. Моделирование робастной интеллектуальной системы управления 64 Выводы

Глава 3. Компьютерное моделирование и анализ результатов

3.1. Проектирование компьютерной модели

3.2. Общая схема стохастического моделирования с применением методов мягких вычислений

3.3. Анализ результатов стохастического моделирования и робастности управления

Выводы

Исследования в области интеллектуальных систем управления существенно нелинейными, глобально неустойчивыми объектами были начаты и развиваются в последние десятилетия. Исследование и создание сложных динамических объектов такого рода представляет огромный интерес в нелинейной механике (для разработки новых методов исследования нелинейных эффектов) и в современной теории управления (для разработки новых интеллектуальных алгоритмов управления). Данные исследования образовали собственное научное направление — интеллектуальная мехатроника и робототехника, как слияние областей мехатроники, робототехники и систем интеллектуального управления. Во всем мире имеется огромный интерес к созданию и изучению такого вида объектов управления, однако методов и алгоритмов их устойчивого и робастного управления до сих пор не было представлено.

Интеллектуальная мехатроника и робототехника основаны на исследовании новых видов движения нелинейных механических систем и разработке современных методов и новых алгоритмов интеллектуального управления. Извлечение знаний из новых видов движения основано на изучении «эталонных» моделей таких, как модель Вандерполя, перевернутый физический маятник и т.д. Модель представленного в данной работе объекта управления, одноколесного робота-велосипеда, описанного как существенно нелинейная, неголономная глобальная неустойчивая динамическая система, является одним из примеров «эталонных» систем.

Изучению одноколесного робота-велосипеда и подходов к решении проблемы его устойчивого управления посвящено большое количество работ. Основные из них [1-13] были изучены в процессе разработки нашей модели одноколесного робота-велосипеда. Хотелось бы отметить, что многие из них не имели конкретного применения, или описывали идеализированные модели роботов, отдаленно напоминающих одноколесный робот-велосипед, в том виде, в котором мы все привыкли его наблюдать. Здесь мы не станем проводить сравнительного анализа всех цитируемых выше работ, а заострим наше внимание лишь на двух, с нашей точки зрения, полностью законченных работах, которые в большей степени соответствуют направлению исследования существенно нелинейной, неголономной модели одноколесного робота-велосипеда и его системы управления, изложим основные положения данных работ и проведем анализ полученных в них результатов.

Одной из первых значимых работ в изучении сложного нелинейного объекта управления, одноколесного робота-велосипеда можно считать диссертацию А. Шунвинкеля (А. 8с1юоп\¥тке1) [14]. В данной работе был изложен, ставший уже классическим, метод управления с интегральной обратной связью и компенсатором на основе линейно-квадратической гауссовской аппроксимации (дискретная система управления) и линеаризованных уравнениях движения модели. Данный подход дал удовлетворительный результат для короткого времени эксперимента с заданными начальными условиями. В данной работе основное внимание было уделено созданию аппаратной части системы управления и инженерного дизайна самого робота, а из-за отсутствия мощной компьютерной базы анализа системы управления и динамического поведения самой нелинейной модели робота с помощью компьютерного моделирования не проводилось.

Таким образом, система управления не обеспечила глобальной устойчивости модели и, как следствие, не являлась робастной (устойчивой к ошибкам и внешним воздействиям).

Следующим шагом в данном направлении были работы 3. Шенга (2.811еп^)[15-22], в которых была предпринята попытка стабилизации движения одноколесного робота-велосипеда с использованием комбинированного, нечеткого пропорционально - дифференциального регулятора (НПДР). Также в работе была представлена новая биомеханическая модель самого робота, приближенно имитирующая систему «человек - одноколесный велосипед», что сделало систему более реалистичной, что несомненно усложнило задачу исследования.

Модель робота имела шатунно-кривошипный механизм закрытого типа, в оригинале аналогом данного механизма является замкнутая система «тело -седло - ноги - педали - колесо». Массивный ротор имитирует плечевой пояс человека. В системе управления коэффициенты пропорционально - дифференциального регулятора были определены эмпирически, путем многократных экспериментов. Таблицы решающих правил для определения коэффициентов нечеткого регулятора, входящих в уравнение управления, были созданы на основании исследования поведения человека, управляющего велосипедом (на экспертной основе), и также эмпирически адаптированы к данной модели робота.

В работе была описана существенно нелинейная, неголономная математическая модель и ее компьютерное моделирование с примененной в роботе системой управления. Как показал анализ данной работы математическое описание модели было слишком идеализировано, а уравнения движения робота имели неточности и реальные результаты моделирования явно отличались от представленных в работе.

Экспериментально было получено устойчивое прямолинейное движение за короткий промежуток времени. Как и в работе описанной ранее, начальные условия движения робота были также строго фиксированы, иначе эксперимент не имел бы удачного завершения.

Таким образом, и в этом исследовании проблема создания робастной системы управления не была решена, однако было сделано серьезное продвижение в данном вопросе.

Также во всех предыдущих исследованиях не была принята во внимание проблема случайных внешних и внутренних воздействий на механическую систему и систему управления. Этот фактор также повлиял на результат работ: глобальная динамическая устойчивость объекта и робастность его управления не были достигнуты.

Анализ этих и многих других работ, связанных с проблемой устойчивого управления подобными объектами, позволяет сделать вывод, что тема диссертационной работы, направленная на разработку реальной системы управления глобально неустойчивым в пространстве объектом, является актуальной.

Проблема создания устойчивого, робастного интеллектуального управления сложными нелинейными неголономными глобально неустойчивыми в пространстве объектами является одним из важных направлений в нелинейной механике и в теории систем управления, поскольку количество подобных моделей огромно, а систем робастного управления ими или они не являются адекватными реальным условиям.

Поэтому, основной задачей нашего исследования являлась проблема изучения существенно нелинейной, биомеханической модели одноколесного робота-велосипеда, а также создание и "обучение" его системы управления методами и алгоритмами мягких вычислений.

Сформулируем основные задачи диссертационной работы, которые необходимо решить для достижения сформулированной цели:

1. разработка существенно нелинейной, неголономной глобально неустойчивой с большим числом ограничений на связи математической модели одноколесного робота-велосипеда;

2. разработка интеллектуальной самообучающейся системы управления с применением, как классической схемы с обратной связью, так и нового вида интеллектуальной обратной связи на основе методов мягких вычислений;

3. обоснование применения нового критерия качества управления в интеллектуальной обратной связи, основанного на термодинамическом подходе;

4. создание структуры стохастического моделирования интеллектуальной системы управления с применением формирующих фильтров;

5. разработка комплекса программ для проведения компьютерного моделирования системы управления объектом;

6. создание полной технологической цепочки «компьютерное моделирование-эксперимент».

Данный подход сформировался в процессе изучения биомеханики движения одноколесного велосипеда и управления его человеком. Для этого нами был проведен анализ поведения человека в динамике управления движением одноколесного велосипеда и работ [24-26], связанных с теоретическим описанием процессов позиционного управления самого человека, происходящих в его вестибулярной системе.

Из анализа поведения человека в динамике управления движением одноколесного велосипеда нами было сделано заключение, что физической особенностью одноколесного робота-велосипеда является то, что устойчивое управление реальным одноколесным велосипедом осуществляется умелым человеком-оператором. Это приводит к исследованию одноколесного велосипеда как биомеханической системы, включающей в себя новые подходы в системе управления, такие как интуиция, инстинкт и эмоции, присущие человеку-оператору.

Такой подход стал основной концепцией нашего исследования и для разработки интеллектуальной системы управления одноколесным роботом-велосипедом была предложена концептуальная логическая структура распределенного представления знаний (информационные уровни) в искусственной жизни одноколесного робота-велосипеда, как биомеханической модели управления.

Остановимся на описании биомеханической схемы виртуального поведения управляемой механической системой одноколесного робота-велосипеда.

Иерархический динамический процесс управления человеком одноколесным велосипедом может быть представлен следующими элементами:

1) динамическая система " человек-оператор - одноколесный велосипед

2) процесс принятия решений интеллектуальной системой управления с различными уровнями "умения вождения ";

3) логика поведение человека (его туловища, рук и ног), основанная на механизмах интуиции, инстинкте и эмоциях;

4) распределенная информационная система для совместной координации подсистем в биомеханической модели.

В соответствии с этим представлением, об интеллектуальном динамическом управлении, мы предлагаем концептуальную логическую структуру искусственной жизни одноколесного робота-велосипеда, как показано на рисунке 1.

Для описания искусственной жизни одноколесного робота-велосипеда мы используем методы качественной физики, описывающие внутреннее состояние виртуального мира робота, основанные на математической модели его движения.

Логическая структура биомеханической системы управления одноколесного велосипеда человеком включает четыре уровня:

1) распределенные информационные уровни с их подуровнями;

2) логическая система;

3) система поддержки принятия решений;

4) динамическая система.

Далее, мы подробно изложим основные положения данной структуры.

Как видно на схеме распределенные информационные уровни включают четыре подуровня:

1) физический и логический уровень виртуальной реальности;

2) поведение и уровень координации;

3) интеллектуальное управление с двумя подуровнями;

4) исполнительный биомеханический уровень.

Пересечения между горизонтальными линиями распределенных информационных уровней и вертикальными линиями логической системы, системы поддержки принятия решения и динамической системы (движение одноколесного велосипеда и поведения человека, как биомеханическая модель управления) реализуют специфические для человека модели езды на одноколесном велосипеде с различными уровнями умения использовать интеллектуальные средства управления. Рассмотрим здесь поэтапно подход к созданию интеллектуального управления.

Физический и логический уровень виртуальной действительности. Пересечение первого горизонтального уровня (Физический и логический уровень виртуальной реальности) с первым вертикальным уровнем (Логическая система) дает в результате структуру процесса обучения человека управлению одноколесным велосипедом. Пересечение со вторым вертикальным уровнем (Система поддержки принятия решений) соответствует уровню центральной нервной системы, как биологической системе управления. Пересечение с третьим уровнем (Динамическая (механическая) система) представляет механическую модель движения одноколесного велосипеда, как динамической системы. Логическая сумма этих подуровней реализует физический уровень описания движения одноколесного велосипеда и физическую интерпретацию экспериментальных данных (попыток). Математической основой описания процесса обучения является квантовая нечёткая логика. Функции центральной нервной системы реализованы как область базы знаний (БЗ) возможных устойчивых решений.

Поведение и уровень координации. Эта структура включает механизмы инстинкта, интуиции и эмоции. Механизм инстинкта описан в логической структуре как локальный координатор с помощью нечётких правил и соответствует структуре управления с активной и пассивной адаптацией на основе нечёткой нейронной сети (ННС). Механизм интуиции представляется, как глобальный координатор и реализован в процессе управления как процесс принятия решения на основе генетического алгоритма (ГА). Механизм эмоций описан на основании информации от датчиков движения и представлен в форме таблиц решающих правил с различным семантическим выражением лингвистического описания желательного динамического поведения движения (как примеры, "плавно", "быстро" и так далее). Таким образом пересечения двух распределенных информационных уровней с логическими системами, реализует блок искусственного мозга для процесса самоорганизации системы управления одноколёсным велосипедом.

Создать систему управления такого высокого интеллектуального уровня в настоящее время не представляется возможным в виду отсутствия необходимого для этого инструментария. Однако мы можем описать и извлечь, как это показано на рисунке 1, лингвистические значения переменных, участвующих в процессе управления человеком (быстро, медленно, плавно и т.д.), которые зависят от его положения в пространстве и могут быть описаны как сенсорные сигналы информации об углах наклона, скорости и ускорения движения. На данном этапе развития интеллектуальных систем управления мы способны оперировать и описывать лингвистические переменные при помощи инструментария мягких вычислений, созданного для решения задач управления плохо формализованными объектами. Именно на этом построена вторая часть концептуальной логической структуры.

Уровень интеллектуального управления - интеллектуальная система управления с распределенным представлением знаний, включающая в себя понятия желания и возможности точно также как у человека. Для механизмов инстинкта и эмоции, таблицы решающих правил определяются с помощью ННС. Механизм интуиции реализован на базе ГА и руководит действиями двух нечетких регуляторов. Таким образом, нечеткое моделирование, основанное на математических инструментальных средствах ГА и ННС, реализует алгоритм мягких вычислений в системе интеллектуального управления роботом.

Из качественного физического описания и математического моделирования движения мы получаем область возможных устойчивых решений, описанных, как это было показано в [19,20], странным аттрактором. Этот говорит о том, что человеческая система управления - высоко организованная, сложная система и положение тела человека меняется стохастическим образом.

Исполнительный биомеханический уровень - физический процесс реализации системы одноколесного робота-велосипеда. В этом случае вестибулярная система, как логическая система управления, реализована балансирующим ротором (торс, плечевой пояс и руки), а нейро-мускулъная система сформирована с помощью шатунно-кривошипного механизма.

Таким образом, динамический процесс управления человеком одноколесным велосипедом, с интеллектуально различными формами поведения, может быть описан как пересечение логических систем с распределенными информационными уровнями.

Как следует из концептуальной логической структуры, управление движением одноколесного робота-велосипеда основано на координации составляющих сложного движения (педалирование и движение туловища оператора). Изменение типа координации составляющих порождает новые типы движения (прямолинейное движения, слалом, танец, прыжки и т.д.). Однако это алгоритмически неразрешимая проблема для традиционных методов управления, что и приводит к появлению новых подходов для решения задачи устойчивого управляемого движения объекта.

Основной и важнейшей частью данной работы является компьютерное моделирование процесса интеллектуального управления для существенно нелинейной математической модели с применением новой структуры самоорганизующейся интеллектуальной, робастной системы управления с новым физическим критерием качества управления, с новым видом интеллектуальной обратной связи, основанной на принципах интеллектуальных вычислений (Рис.2).

Рис.2. Структура самоорганизующейся интеллектуальной, робастной системы управления с новым физическим критерием качества управления.

Для оценки качества управления применяется новый физический принцип: минимум производства энтропии при движении самого объекта и в системе управления, напрямую связанный с функцией Ляпунова (условие динамической устойчивости).

Энтропия, как качественный показатель управления, была введена в систему интеллектуального управления на основании изучения и анализа теоретических работ [56-67] по проблемам диссипации энергии в обратимых и необратимых динамических и термодинамических процессах и связи их с устойчивостью, а также на основании совместных исследований в этой области [68-71].

Физическая мера энтропии является функцией пригодности в генетическом алгоритме (ГА). Такой подход гарантирует глобальную устойчивость динамического объекта управления и обеспечивает робастность системы управления после её обучения с помощью нечёткой нейронной сети (ННС).

Структура управления с новым видом интеллектуальной обратной связи, представленная на рисунке 2, основывается на классической схеме системы управления с линейной обратной связью (пропорциональны^ (интегрально) дифференциальный регулятор - П(И)Д), инструментарии интеллектуальных мягких вычислении (теория нечетких множеств, нечеткая нейронная сеть (ННС), генетический алгоритм (ГА)); нелинейной модели объекта управления; вычислении производства энтропии; стохастическом моделировании случайных внешних/внутренних воздействий.

В структуру мы используем следующие обозначения: Г - функция пригодности ГА; 8 - энтропия системы; 8С - энтропия контроллера (регулятора); 8; -энтропия объекта управления (одноколесный робот-велосипед); е - ошибка управления; и*- оптимальный сигнал управления; т(1;) - внешние/внутренние воздействия; НР - нечеткий контроллер (регулятор); НЛСК - нечеткая логическая система классификации; СМКУ - система моделирования качества управления; К - оптимальные коэффициенты усиления регулятора (обучающий сигнал); ТНРП - таблица нечетких решающих правил; КУ - коэффициенты усиления регулятора (в случае 2-х ПД регуляторов К = (кь кг, кз, к^).

Самоорганизация управления в данной системе на первом этапе обеспечивается путем оптимизации параметров управления П(И)Д контроллера посредством отбора наилучших решений генетическим алгоритмом, критерием отбора в котором служит наилучшая пригодность решения, вычисляемая с помощью функции пригодности. Для определения пригодности используется новая физическая мера качества управления - минимум производства энтропии. Данная мера является разностью между производством энтропии, самим объектом управления и включенной в него системы управления. Это позволяет адаптировать параметры линейной системы управления к нелинейному объекту управления.

Следующим этапом адаптации является обучение системы управления для обеспечения ее робастности. Данный этап основан на нечетком логическом классификаторе, который определяет нечеткие правила логических соотношений параметров линейного контроллера. Классификатором служит ННС, обучающим сигналом для которой, являются оптимизированные параметры управления, полученные с выхода генетического алгоритма. Данный этап формирует таблицы нечетких решающих правил, адаптированных параметров управления котроллера низкого уровня П(И)Д. Полученные таблицы решающих правил, используются нечетким контроллером (НК) для управления параметрами линейного контроллера.

В этом подходе к решению проблемы управления нелинейным объектом критерием качества управления (управляемости) является функция производства энтропии, которая напрямую связана с функцией Ляпунова, т.е. динамической устойчивостью системы. Взаимосвязь этих функций в интеллектуальной системе управления обеспечивает ее робастность, как показано на рисунке 3.

Устойчивость

Функция Ляпунова

Робастность управления

Интеллектуальная система управления

Управляемость!

Минимум производства энтропии

Рис.3. Структура взаимосвязи устойчивости, робастности и управляемости системы.

Таким образом, в данной работе мы представляем разработанную и апробированную систему моделирования и оптимизации интеллектуальной системы управления со стохастическим моделированием внешних/внутренних воздействий в механической системе и системе управления (неровности пола, механические колебания, уход нуля сенсоров и т.д.) с применением структуры формирующих фильтров.

Основой идеей является качественный физический анализ динамического движения робота с введением интеллектуальной обратной связи в системе управления и реализацией в ней механизмов инстинкта и интуиции, основанных на ННС и ГА. Таким образом, происходит адаптация параметров двух нечетких ПД регуляторов и достигается устойчивое движение робота на конечном интервале времени (без изменения структуры исполнительного уров

20 ня системы управления). Введение двух новых механизмов в интеллектуальной системе управления основано на принципе минимума производства энтропии в движении робота и в системе управления.

Нечеткое моделирование термодинамических уравнений движения и интеллектуальной системы управления, подтверждает эффективность термодинамического подхода в решении проблемы анализа нелинейности системы и стабильности позиционного управления моделью робота. Использование нечетких коэффициентов усиления в П(И)Д регуляторе, вычисляемых по таблицам решающих правил, адаптированных генетическим алгоритмом и, сгенерированных нечеткой нейронной сетью, определяет способность использовать механизмы инстинкта и интуиции в реальном масштабе времени для интеллектуализации системы управления. Для создания разработанной нами структуры самоорганизующейся интеллектуальной, робастной системы управления с новым физическим критерием качества управления нами было проанализировано большое количество работ, связанных с классическими методами управления [27,28], теоретическими и практическими методами управления на основе нечетких регуляторов (контроллеров) для динамических нелинейных объектов управления [29-47], а также, с теоретическими основами метода мягких вычислений, основанном на генетическом алгоритме [48-51] и методах нейроуправления на основе нечетких нейронных сетей [51-54]. Как показали результаты математического моделирования, разработанная структура интеллектуального управления с применением методов мягких вычислений и описанием стохастических процессов внешних/внутренних воздействий полностью удовлетворяет условиям робастно-сти и устойчивости управления сложным нелинейным, глобально неустойчивым объектом управления - одноколесным роботом-велосипедом.

В заключение, еще раз перечислим основные задачи, решаемые в диссертационной работе:

1. разработка существенно нелинейной, неголономной, глобально неустойчивой, с большим числом ограничений на связи математической модели одноколесного робота-велосипеда;

2. разработка интеллектуальной самообучающейся системы управления с применением, как классической схемы с обратной связью, так и нового вида интеллектуальной обратной связи на основе методов мягких вычислений;

3. обоснование применения нового критерия качества управления в интеллектуальной обратной связи, основанного на термодинамическом подходе;

4. создание структуры стохастического моделирования интеллектуальной системы управления с применением формирующих фильтров;

5. разработка комплекса программ для проведения компьютерного моделирования системы управления объектом;

6. создание полной технологической цепочки «компьютерное моделирование-эксперимент» .

Основные результаты диссертации сводятся к следующему:

1) разработана математическая модель неголономной, существенно нелинейной, управляемой робототехнической системы одноколесного робота-велосипеда;

2) проведен анализ динамической и стохастической устойчивости системы по Ляпунову;

3) установлена связь функции Ляпунова (устойчивость) с критерием качества управления, производством энтропии;

4) разработана синтезированная модель самоорганизующейся системы интеллектуального управления;

5) разработан комплекс программ, реализующий цепочку ГА-ННС-НПДР для построения интеллектуальной обратной связи в системе управления;

6) представлена система моделирования случайных внешних/внутренних воздействий на базу формирующих фильтров.

Результаты диссертационной работы использованы в пособии по динамическим расчетам зданий при сейсмических воздействиях (подтверждено справкой о внедрении), а также находят применение в интеллектуальных системах управления поведением механических средств передвижения (автомобиль, мотоцикл, робот).

Дальнейшие направления исследований могут быть связаны с моделированием процесса управления путем движения робота. Данная область исследований довольно обширна и сложна. В диссертационной работе представлена структура управления, ориентированная только на устойчивое движение за максимально возможный промежуток времени.

Список работ по теме диссертации

1. Ульянов B.C., Ямафуджи К. (Yamafuji К.), Ульянов С.В., Литвинцева Л.В. и Тагучи К. (Taguchi К.) Soft computing with new physical measure of controllability for intelligent control of the two-links manipulator (1st report: Study of free motion of nonlinear control object) // Int. J. of Robotics and Mechatronics. - 1997. - Vol.9. - №4. - pp. 299-303

2. Ульянов B.C., Ватанабе С. (Watanabe S.), Ямафуджи К. (Yamafuji К.), Ульянов C.B., Литвинцева Л.В. и Кураваки И. (Kurawaki I.) Intelligent robust control of a robotic unicycle based on a new physical measure for mechanical controllability // Int. J. of Advanced Robotics. - 1998. - Vol.12. - №4. -pp. 455 -481

3- Ульянов B.C., Ватанабе С. (Watanabe S.), Ямафуджи К. (Yamafuji К.), Ульянов C.B., Литвинцева Л.В. и Ризотто Г .Г. (Rizzotto G.G.) Soft computing for intelligent robust control of a robotic unicycle with new physical measure for mechanical controllability // Soft Computing, 1998, Vol. 2, № 2, pp. 73 -88.

4. Ульянов B.C., Окура Т. (Ohkura Т.), Ямафуджи К. (Yamafuji К.) и Ульянов С.В. Study of intelligent control on examples of different mathematical models of an extension-cableless robotic unicycle with minimum entropy measure for mechanical controllability // Proc. of Int. Conf. in Advanced Computing. - Athens, Greece. - 1998. - pp.134-136

5. Ульянов B.C., Ямафуджи К. (Yamafuji К.), Ульянов С.В. и Танака К. (Та-naka К.) Computational intelligence with new physical measure for robust control algorithm of extension-cableless robotic unicycle. // Int. J. of Advanced Computational Intelligence. - 1999. - Vol.3. - №2. - pp. 136-147

6. Ульянов B.C., Панфилов СЛ., Ульянов C.B., Литвинцева Л.В., Кураваки И. (Kurawaki I.) и Ямафуджи К. (Yamafuji К.), Principle of minimum entropy production in applied soft computing for advanced intelligent robotics and mechatronics. // Soft Computing. - 2000. - Vol. 2. - №4. - pp 141-145

7. Ульянов B.C., Язенин A.B., Математическая модель интеллектуальной системы управления комплексным, глобально неустойчивым объектом, на основе мягких вычислений // Известия РАН. Теория и системы управления. - 2001. - №3. - С. 114-129

8. Ульянов B.C. Сравнительные результаты моделирования системы управления одноколесным роботом велосипедом // Сложные системы: моделирование и оптимизация. - Тверской госуниверситет. - Тверь. - 2001, (в пе-чате)

ЗАКЛЮЧЕНИЕ.

В диссертационной работе реализована методология интеллектуального управления динамическими, глобально неустойчивыми нелинейными объектами на примере одноколесного робота-велосипеда. Основой этого подхода является качественный физический анализ динамического движения робота с введением интеллектуальной обратной связи в системе управления и реализацией в ней механизмов инстинкта и интуиции, основанных на ННС и ГА. Также представлены основные компоненты интеллектуальной системы управления, основанные на мягких вычислениях и определении робастности. Таким образом, происходит адаптация параметров двух нечетких ПД регуляторов и достигается устойчивое движение робота на конечном интервале времени (без изменения структуры исполнительного уровня системы управления). Введение двух новых механизмов в интеллектуальной системе управления основано на принципе минимума производства энтропии в движении робота и в системе управления. Нечеткое моделирование термодинамических уравнений движения и интеллектуальной системы управления подтверждает эффективность термодинамического подхода при решении проблемы анализа нелинейности системы и стабильности позиционного управления моделью робота. Таким образом, одноколесный робот-велосипед является новой эталонной нелинейной управляемой динамической системой с двумя (локально и глобально) неустойчивыми состояниями, и нечеткой интеллектуальной системой управления. Использование нечетких коэффициентов усиления в П(И)Д регуляторе, вычисляемых по таблицам решающих правил, адаптированных генетическим алгоритмом и сгенерированных нечеткой нейронной сетью, определяет способность использовать механизмы инстинкта и интуиции в реальном масштабе времени для интеллектуализации системы управления.

1. Honma D., Iguchi N., Kondo Y. and Okubo H. One wheel-locomotive robot and its control. // J. of the Robotics Society of Japan. 1984. Vol. 2. № 4. pp. 366-371

2. Yamafuji K. and Inoe K. Study on the postural stability of a unicycle (in Japanese). // JSME/JSPE Symp. in Yamanashi, Japan. 1986. pp. 4-6

3. Feng Q. and Yamafuji K. Design and simulation of control system of an inverted pendulum. // Robotica. 1988. Vol. 6. № 3. pp. 235-241a

4. Vos D.W. and von Flotow A.H. Dynamics and nonlinear adaptive control of an autonomous unicycle: Theory and experiment. Proc. of 29th Conf. on Decision and Control. 1990. Honolulu, Hawaii, pp. 128-187

5. Liu T.S. and Wu J.C. A model for rider-motorcycle system using fuzzy control. // IEEE Transactions on Systems, Man and Cybernetics. 1993. Vol. 23-SMC. № l.pp. 267-276

6. Ito S. Study on the Postural Stability and Locomotion Control of an Inverted Pendulum Type Unicycle (in Japanese). // Master's Thesis, University of Electro-Communications, Tokyo. 1994

7. Yamano K., Abe N. and Kanoh H. Stability analysis of mono-cycle (in Japanese). // 12th Conference of Robotic Society of Japan. 1994. Vol. 3. pp. 11951196

8. Takemori F., Miyashita T. and Okuyama Y. Stabilization control of a monocycle by reduction method using weighting functions (in Japanese). // ROBOMEC'95, Yamaguchi-Ube, Japan. 1995. № 95-17, pp. 503-504

9. O.Brown H.B., Jr and Xu Y. A single wheel, gyroscopically stabilized robot. // Proc. of the 1996 IEEE Int. Conference on Robotics and Automation. 1996. Vol. 3. pp. 3658-3663

10. Usui S., Kamoshita S. and Nagata Y. Postural stabilization of a unicycle (in Japanese). Trans, of Japan Soc. of Mech. Engineers (JSME). // 1996. Vol. 62. №600. pp. 184-191

11. Naveh Y., Bar-Yoseph P.Z., Halevi Y. Nonlinear modeling and control of a unicycle. //Dynamic and Control. 1999. Vol. 9. pp. 279-296

12. Schoonwinkel A., Design and test of a computer stabilized unicycle. // Ph. D. dissertation of Stanford Univ., 1987. USA

13. Sheng Z.Q. and Yamafuji K. A general method for the direct dynamic computation of closed link mechanisms. // Journal of Robotics & Mechat.1994. Vol. 6. №2, pp. 169-174

14. Sheng Z.Q. and Yamafuji K. Realization of a human riding a unicycle by a robot. // Proc. of '95 IEEE Intern. Conf. on Robotics & Automation, Japan. 1995.Vol. 2. pp. 1319-1326

15. Sheng Z.Q, and Yamafuji K. Study on the stability and motion control of a unicycle, 1 st Report: Dynamics of a human riding a unicycle and its modeling by link mechanism. // JSME International Journal. 1995. Vol. 38C. № 2. pp. 249-259

16. Sheng Z.Q. and Yamafuji K. Study on the stability and motion control of a unicycle, 2nd Report: Design of unicycle robot and experimental results (In Japanese). // Trans, of Japan Soc. of Mech. Engineers (JSME). 1995. Vol. 61C. № 583. pp. 306-313

17. Ulyanov S.V., Sheng Z.Q. and Yamafuji K. Fuzzy Intelligent control of robotic unicycle: A New benchmark in nonlinear mechanics. // Proc. Intern. Conf. on Recent Advanced Mechatronics, Istanbul, Turkey, 1995. Vol. 2

18. Sheng Z.Q. Unicycle's control system. // Ph. D. dissertation of Univ. of Electro -Communications. 1995. Japan

19. Sheng Z.Q., Yamafuji K. and Ulyanov S.V. Study on the stability and motion control of a unicycle. Pts 3,4,5. // JSME International Journal. 1996. Vol. 39. No. 3; and // Journal of Robotics & Mechatronics. 1996. Vol. 8. № 6

20. Sheng Z.Q. and Yamafuji K. Postural stability of a human riding a unicycle and its emulation by a robot. // IEEE Trans, on Robotics and Automation. 1997. Vol. 13. № 5. pp. 709-720

21. Gomi H. and Kawato M. Adaptive feedback control models of the vestibulo-cerebellum and spinocerebellum. // Biological Cybernetics. 1992. Vol. 65. pp. 105-114

22. Johansson R., Magnusson M. and Fransson P.A. Galvanic vestibular stimulation for analysis of postural adaptation and stability. // IEEE Transactions on Biomedical Engineering. 1995. Vol. 42. № 3. pp. 282-292

23. Lauk M., Chow C.C., Pavlik A.E.and Colloins J.J. Human balance out of equilibrium: Non-equilibrium statistical mechanics of posture control. // Physical Review Letters. 1998. Vol. 80. № 2

24. Landau Y.D. Adaptive control: the model reference approach. // N.Y.& Basel. 1979

25. Slotine J.-J. E., Li W. Applied nonlinear control. // Prentice Hall, New Jersey. 1991

26. Zadeh L.A. Outline of a new approach to the analysis of complex systems and decision processes. // IEEE Trans, on Systems, Man and Cybernetics. SMC-3. 1974. pp. 28-44

27. Zadeh L.A. On the analysis of large scale systems. // Systems Approaches and Environment Problems. 1974. pp. 23-373 l.Sugeno M. Industrial applications of fuzzy control. // Elsiver Science Publishers B.V. Amsterdam. 1985

28. Алиев P.A., Захаров Е.Г. и Ульянов С.В. Модель нечеткого управления динамическими системами. // Инженерная кибернетика. ВИНИТИ РАН. М. 1990. том 29. С. 127-201

29. Ionov I.P., Vasileva O.I. and Ulyanov S.V. Dual control of artificial ventilation of lungs (AVL) process using a fuzzy quantum controller in the feedback circuit. // Biomedical Engineering. 1990. Vol. 23. № 1, pp. 7-17

30. Алиев P.A., Захаров Е.Г. и Ульянов С.В. Нечеткие контроллеры и индустриальные системы интеллектуального управления. // Инженерная кибернетика. ВИНИТИРАН. М. 1991. том 32. С. 233-312

31. Tanaka К. An introduction to fuzzy logic for practical applications. // SpringerVerlag N.Y. 1991

32. Ulyanov S.V. Fuzzy models of Intelligent control systems: Theoretical and applied aspects. // Soviet Journal of Computer and Systems Sciences (Engineering Cybernetics). 1992. Vol. 30. № 4. pp. 1-22.

33. Zadeh L.A. Fuzzy logic, neural networks and soft computing. // Communications of the ACM. 1994. № 37(3). pp. 23-37

34. Lee Y.N., Kim T.W. and Suh I.H. A look-up table-based self-organizing fuzzy plus linear controller. // Mechatronics. 1994. Vol. 4. № 1. pp. 71-90

35. Kantor P.S., Ulyanov S.V., Pagni A. and Rizzotto G.G. Fuzzy quantum controller on WARP for artificial ventilation of lungs. // Proc. of ICAFS'94 (Inter. Conf. on Application of Fuzzy Systems). Tabriz, Iran. 1994. pp. 233-235

36. Zhakharov V.N. and Ulyanov S.V. Fuzzy models of intelligent industrial controllers and control systems. Pts 2,3. // Journal of Computer and Systems Sciences International. 1995. Vol. 33. № 2. pp. 94-108; 117-136

37. Wu J.C. and Liu T.S. Fuzzy control of rider-motorcycle system using genetic algorithm and auto-tuning. // Mechatronics. 1995. Vol. 4. № 4. pp. 441-455

38. Ju M.-S., Yi S.-G., Tsuei Y.-G, and Chou Y.-L. Fuzzy control of electrohydrau-lic above-knee prostheses. // JSME International Journal. 1995. Vol. 38. № 1. pp. 78-85

39. Nie J. and Linkens D.A. Fuzzy-Neural Control, Principles, Algorithms and Applications. // Prentice Hall International (UK) Limited. 1995

40. Wu J.C. and Liu T.S. Fuzzy control stabilization with applications to motorcycle control. // IEEE Transactions on Systems, Man and Cybernetics. 1996. Vol. 26. № 6. pp. 836-847

41. Ulyanov S.V. and Yamafuji K. Fuzzy Intelligent emotion and instinct control of a robotic unicycle. //Proc. 4th Intern. Workshop on Advanced Motion Control. Mie, Japan. 1996. Vol. 1

42. Лохин B.M., Макаров И.М., Манько C.B., Романов М.П., Методические основы аналитического конструирования регуляторов нечеткого управления. // Известия РАН. Теория и системы управления. 2001. №1. С. 56-69

43. Goldberg D.E. Genetic algorithm in search, optimization, and machine learning. // Addison-Wesley Pub. Com. 1953 (Rep.1989)

44. Gen M., Cheng R. Genetic algorithm & engineering design. // J. Wiley & Sons Inc. 199750.0hwi J., Ulyanov S.V. and Yamafuji K. GA in continuous space and fuzzy classifier system for opening a door with manipulator of mobile robot: New

45. Benchmark of evolutionary intelligent computing. 11 J. of Robotics and Mecha-tronics. 1996. Vol.8. № 3. pp. 297-301

46. Jang J.-S. R., Sun C.-T. and Mizutani E. Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence. // Englewood Cliffs. NJ: Prentice Hall. 1997

47. Panfilov S.A., Ulyanov V.S., Litvintseva L.V., Ulyanov S.V. and Kurawaki I. Robust Fuzzy Control of Non-Linear Dynamic Systems Based on Soft Computing with Minimum of Entropy Production Rate. // Proc. Int. Conf. ICAFS 2000. Siegen, Germany. 2000

48. Brilluoin L. Information Theory and Science. // Academic Press, N.Y.1959.

49. Glansdorff P. and Prigogine I. Thermodynamics of Structure, Stability and Fluctuations. // Wiley-Interscience Publ. N.Y. 1971

50. Петров Б.Н., Уланов Г.М., Ульянов С.В. и Хазен Е.М. Информационные и семантические проблемы процессов управления и организации. // Наука. М. 1977

51. Петров Б.Н., Гольденблат И.И, Уланов Г.М. и Ульянов С.В. Теория моделей процессов управления: Термодинамический и информационный подход.//Наука. М. 1978

52. Петров Б.Н., Уланов Г.М. и Ульянов С.В. Динамические системы со случайными и нечеткими структурами. // Инженерная кибернетика. ВИНИТИ РАН. М. 1979. том 11. С. 3-76

53. Lavenda B.H. and Santamato E. Irreversible thermodynamic stability criteria. 11 Lettere al Nuovo Cimento. 1982. Vol. 33. № 17. pp. 559-564

54. Sertorio L. Remarks on the excess availability dissipation. // IL Nuovo Cimento. 1985. Vol. 90B. № 2. pp. 127-136

55. Perroud M. and Saucier A. Thermodynamics of dissipative systems. // Helvetica Physica. 1987. Vol. 60. № 8. pp. 1038-1051

56. Rouch N., Habets P., Laloy M. Stability Theory by Lyapunov's Direct Method. // Berlin, Springer. 1977

57. Beretta G.P. A theorem on Lyapunov stability for dynamical system and a conjecture on property of entropy. // J. Math. Phys. 1986. Vol. 27. № 1. pp. 305-308

58. Tasso H. Lyapunov stability of large systems of van der Pol-like oscillators and connection with turbulence and fluctuation spectra. // Physics Letters. 1993. Vol. 183A. № 2,3. pp. 165-168

59. Aicardi M., Casalino G., Bicchi A. and Balestrino A. Closed loop steering of unicycle-like vehicles via Lyapunov techniques. // IEEE Robotics & Automation Magazine. 1995. Vol. 2. № 1. pp. 27-35

60. Ulyanov S.V., Yamafuji K., Ulyanov V.S., Fukuda Т., Arai F. and Kurawaki I. Interrelation between entropy production and Lyapunov stability of relaxation processes in nonlinear closed dissipative dynamic system. // Physics Letters A (in print). 1998

61. Ляпунов A.M. Общая задача об устойчивости движения. // Соб. соч. т. II. 1892

62. Руш Н., Абетс П., Лалуа М. Прямой метод Ляпунова в теории устойчивости. //Мир. Москва. 1980

63. Holland J.H. Adaptation in natural and artificial systems. // Ann Arbor: The Univ. of Michigan Press. 1975

64. Matlab, the language of technical computing. // Release Notes for Release 12. Mathworks Inc. 2000

65. П 1.2. Уравнения движения нелинейного неголономного объекта, одноколесного робота-велосипеда.2 \ 2 А а(0 -А01+- — у1(01.^

66. I,2 \ 1.2 \ ¡2 \ ¡2 \ ¡2 \ ¡2 \ ¡2 \

67. Р(0 -А03 +- —— 6\У(0 -А04+ — ч/(1) -ООО-Н — 61(0 -А06+- — 92(I) -А07 +- | —— 63(1) | А084- (— 04(1) | -А09+- (— ч(0